DC/DC电路的PDTW-LSTM故障预测方法

论文摘要

针对现有DC/DC电路故障预测中以距离作为故障特征参数存在的不足,提出了将分段动态时间弯曲距离作为DC/DC电路故障特征参数,并将此特征参数与长短时记忆神经网络（Long Short-Term Memory,LSTM）算法相结合,对DC/DC电路进行故障预测。首先,选择电路输出电压作为监测信号;然后,利用动态时间弯曲算法计算其与无故障输出电压的分段动态时间弯曲距离作为电路的故障特征参数;最后,基于LSTM预测模型实现电路故障特征参数时间序列预测。以Boost电路为例进行了仿真实验,验证了该方法的有效性和准确性。

论文目录

• 0 引言
• 1 基于分段动态时间弯曲距离的DC/DC电路故障特征参数
•   1.1 动态时间弯曲距离
•   1.2 分段动态时间弯曲距离
• DTW-LSTM模型的DC/DC电路故障预测方法'>2 基于P_DTW-LSTM模型的DC/DC电路故障预测方法
• 3 实验结果与分析
•   3.1 Boost电路元器件参数变化及特征参数分析
•   3.2 基于DTW-LSTM预测实验结果
•   3.3 结果分析
• 4 结束语

文章来源

类型: 期刊论文

作者: 陶贵

关键词: 电路,故障预测,动态时间弯曲

来源: 电光与控制 2019年10期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 安徽理工大学

基金: 安徽省自然科学基金青年基金(1708085QF135),安徽省高校省级自然科学研究项目(KJ2017A077,KJ2018A0759)

分类号: TM46

页码: 94-98

总页数: 5

文件大小: 754K

下载量: 171